Python 需要熊猫中的行值列表 我拥有什么，我需要什么

我有一个熊猫数据框

p

，带有cols

'a'

，

'b'

，

'c'

（col名称存储在

pc

中）

基于此，我想创建一个形状相同的数据帧

pn

，但每个单元格都是一个列表，其中包含选定行中的值。 数据帧

n

告诉我要为

pn

中的每一行从

p

中选择哪些行

import pandas as pd

pc = ['a', 'b', 'c']
p  = pd.DataFrame([[11, 12, 13],
                   [21, 22, 23]],
                  columns=pc,
                  index=[1001,
                         1002])

n  = pd.DataFrame([[[1001]      ],
                   [[1001, 1002]]],
                  columns=['sel_row'],
                  index=[1001,
                         1002])

我能（和想要）实现的目标 我能得到的最远的。。。给我一个列的列，而不是行。 那么，我是否混淆了嵌套的

for

循环

pn = pd.DataFrame([ [p.loc[ix, pc].values for ix in n.loc[indx].values[0]] 
                    for indx in n.index ])

print (pn)

# The actual output:
#               0             1
# 0  [11, 12, 13]          None
# 1  [11, 12, 13]  [21, 22, 23]

# The required output:
#           0         1         2
# 0  [11]      [12]      [13]
# 1  [11, 21]  [12, 22]  [13, 23]

杂念 也许我也应该迭代类似于

p.loc[ix，c]。。。对于pc中的c

。。。但是怎么会有3个循环呢

另一个（可选）愿望 对于

lambda

也可以这样做吗？我的直觉是：那会更快——但不确定

感谢您解答问题或提供帮助。

IIUC，您可以：

data = [[[*x] for x in zip(*p.loc[idxs].values)] for idxs in n['sel_row']]

result = pd.DataFrame(data=data, columns=p.columns, index=p.index)
print(result)

输出

             a         b         c
1001      [11]      [12]      [13]
1002  [11, 21]  [12, 22]  [13, 23]

---

您可以在这里编写自定义函数

pc = ['a', 'b', 'c']
p  = pd.DataFrame([[11, 12, 13],
                   [21, 22, 23]],
                  columns=pc,
                  index=[1001,
                         1002])

n  = pd.DataFrame([[[1001]      ],
                   [[1001, 1002]]],
                  columns=['sel_row'],
                  index=[1001,
                         1002])
def f(idx):
    return pd.Series(p.loc[idx, :].values.T.tolist())

n.sel_row.apply(f)

             0         1         2
1001      [11]      [12]      [13]
1002  [11, 21]  [12, 22]  [13, 23]

使用

lambda

可以将上述内容重写为：

n.sel_row.apply(lambda idx: pd.Series(p.loc[idx, :].values.T.tolist()))

---

您可以分解

n

，使用它来切片

p

和分组方式：

s = n['sel_row'].explode()
p.loc[s].groupby(s.index).agg(list)

输出：

             a         b         c
1001      [11]      [12]      [13]
1002  [11, 21]  [12, 22]  [13, 23]

---

我最喜欢这个答案。。。因为它看起来非常简单和易懂。只有困惑地看到，如果没有参数

idx

，如何应用

f

！用一点打印语句，我想我明白了：

idx

是

n.sel\u行的每个元素

！实际上我更熟悉语法：

n.sel\u row.apply（lambda idx:f（idx））

。谢谢你的捷径！！谢谢是的，那些列名和索引非常有用！